Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36564| Título: | Visão computacional e aprendizado de máquina para detecção automática de ferrugem em folhas de soja |
| Título(s) alternativo(s): | Computer vision and machine learning for automatic detection of rust in soybean leaves |
| Autor(es): | Loff, Fernando Luís |
| Orientador(es): | Ascari, Rúbia Eliza De Oliveira Schultz |
| Palavras-chave: | Agroindústria Soja Ferrugem asiática Redes neurais (Computação) Agricultural industries Soybean Phakopsora pachyrhizi Neural networks (Computer science) |
| Data do documento: | 11-Fev-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Pato Branco |
| Citação: | LOFF, Fernando Luís. Visão computacional e aprendizado de máquina para detecção automática de ferrugem em folhas de soja. 2025. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2025. |
| Resumo: | Com o agronegócio representando uma parcela significativa da economia brasileira, a expansão da produção de culturas como a soja é um fenômeno crescente. Nesse contexto, o desenvolvimento de tecnologias que aumentem a eficiência produtiva torna-se indispensável. Dentre os desafios enfrentados, as doenças agrícolas destacam-se como um dos principais fatores que limitam a produtividade, sendo a ferrugem asiática uma das mais impactantes na cultura da soja. Este trabalho propõe uma solução computacional baseada em Aprendizado de Máquina e Visão Computacional para identificar automaticamente a incidência da ferrugem asiática em folhas de soja, por meio da análise de imagens digitais. Para isso, foi usada a Rede Neural Convolucional MobileNetV2 do Keras, originalmente treinada no banco de dados ImageNet, como base para treinar um conjunto de dados composto por 110 imagens de folhas de soja saudáveis e 110 imagens de folhas com lesões ocasionadas pela ferrugem asiática. Aplicou-se Transferência de Aprendizado, retreinando a camada final da rede neural, a fim de gerar um modelo adaptado para reconhecer as novas classes. Os resultados obtidos por meio de avaliação do modelo treinado, no conjunto de amostras de teste (30% do total de amostras), foi de 98,7 % de acurácia no melhor modelo. |
| Abstract: | With agribusiness representing a significant portion of the Brazilian economy, the expansion of crop production such as soybeans is a growing phenomenon. In this context, the development of technologies that increase production efficiency becomes indispensable. Among the challenges faced, agricultural diseases stand out as one of the main factors that limit productivity, with Asian rust being one of the most impactful in soybean crops. This work proposes a computational solution based on Machine Learning and Computer Vision to automatically identify the incidence of Asian rust in soybean leaves, through the analysis of digital images. For this, the Keras MobileNetV2 Convolutional Neural Network, originally trained on the ImageNet database, was used as a basis to train a dataset composed of 110 images of healthy soybean leaves and 110 images of leaves with lesions caused by Asian rust. Transfer Learning was applied, retraining the final layer of the neural network, in order to generate a model adapted to recognize the new classes. The results obtained through evaluation of the trained model, in the set of test samples (30% of the total samples), was 98.7% accuracy in the best model. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36564 |
| Aparece nas coleções: | PB - Tecnologia em Análise e Desenvolvimento de Sistemas |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| detectorferrugemfolhassoja.pdf | 6,54 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
